PARNESS：面向终身自动化科学研究的纸质工具链，支持动态工作流、全文索引与跨运行知识积累
摘要
最近的自主研究系统——AI-Scientist、PaperOrchestra、AutoSOTA、DeepResearch、InternAgent、ResearchAgent 等——表明 LLM 智能体可以进行构思、实验运行与论文撰写，但每个系统在框架层面都固定了特定的控制流程形状（线性管道、状态机、单智能体循环或固定配方技能包）。我们认为这种刚性源于五个根本原因：（1）工作流程是动态的且领域特定的（实验室工作、调查、仿真、理论均以不同方式循环）；（2）构思受限于 LLM 上下文，跨领域构思需要的知识无法被单个上下文所容纳；（3）仅摘要的视图忽略了论文正文，而全文访问不均衡，导致累积语料库必须承担该工作；（4）论文的开源仓库往往是其实验方案的唯一完整指定书，然而论文与代码之间的关联被忽视了；（5）没有工具能够将跨运行知识可检索地存储在有限的 LLM 上下文中。我们提出 PARNESS，一个基于四项设计举措构建的开源框架。（i）一个轻量级 DAG 内核配合四字段智能体合约，将调度与领域语义解耦，使得任何学科的循环都可表示为用户可编辑的 YAML。（ii）一个全文 PDF 解析与文献库子系统，将论文正文、图表和表格索引为带类型的对象，并提供优雅的仅摘要备用方案。（iii）对论文、想法、实验和代码仓库的知识图谱索引，配合场景类型检索（相似/矛盾/跨领域/反直觉），将聚焦的切片注入每个 LLM 调用。（iv）一个小型扩展界面，使得任何现代编码智能体（Claude Code、Cursor、Copilot、OpenCode）都能添加或替换任意模块。据我们了解，PARNESS 是首个将声明式管道、全 PDF 与代码仓库索引、跨运行知识相结合的开源系统。
引用
@article{arxiv.2605.05258,
title = {PARNESS: A Paper Harness for End-to-End Automated Scientific Research with Dynamic Workflows, Full-Text Indexing, and Cross-Run Knowledge Accumulation},
author = {Yuchen Wang and Zhongzhi Luan},
journal= {arXiv preprint arXiv:2605.05258},
year = {2026}
}
备注
31 pages, 13 figures, includes appendix with a verbatim end-to-end-generated paper produced by the framework. Source: https://github.com/gtrhythm/PARNESS